Aussi appelé : overfitting · curve fitting · surajustement · surapprentissage
À retenir
- 01Limiter paramètres et mesurer performance réellement hors échantillon.
- 02Le repère « Écart généralisation=performance entraînement−hors échantillon » est conditionnel à ses hypothèses et ne constitue jamais une prévision certaine.
- 03Sur des titres BVC peu liquides, cours stale, séances sans échange, spread et valeurs aberrantes peuvent dominer le résultat.
01Formule
Écart généralisation=performance entraînement−hors échantillon
- Termes de la formule
- variables explicitement nommées dans « Écart généralisation=performance entraînement−hors échantillon », avec leurs unités économiques propres à Surapprentissage
- Cadre d’estimation
- fenêtre, fréquence, benchmark, flux, coûts et taille d’échantillon utilisés pour Surapprentissage
Méthode — Formule ou protocole pédagogique. Même une validation peut être surutilisée. Missing reste distinct de zéro; les coûts, flux et biais de sélection doivent être conservés.
02Pourquoi cela compte à Casablanca
Le surapprentissage adapte un modèle au bruit de l’échantillon au détriment de nouvelles données. À Casablanca, vérifier source, séance, profondeur, valeur transigée en MAD et nombre d’observations avant application. Une statistique, une figure ou un biais documenté ne produit ni diagnostic personnel, ni seuil magique, ni signal automatique.
03Exemple en MAD
Cas hypothétique · 30 août 2026
Surapprentissage: cas fictif en MAD
Un portefeuille marocain entièrement hypothétique de 300 000 MAD applique « Écart généralisation=performance entraînement−hors échantillon » à des données pédagogiques datées du 30 août 2026. Cas pédagogique entièrement hypothétique, daté du 30 août 2026, sans lien avec un émetteur réel et sans recommandation d'investissement.
Backtest+18 %, hors échantillon−3 % sur 300 000 MAD.
Le résultat illustre surapprentissage sous ces hypothèses seulement; il ne garantit ni distribution future, ni exécution, ni rendement.
04Comment le lire
- Limiter paramètres et mesurer performance réellement hors échantillon.
- Recalculer « Écart généralisation=performance entraînement−hors échantillon » avec le même échantillon, les mêmes flux et la même convention.
- Comparer avec backtest et data-snooping sans fusionner des unités différentes.
Limites
- Même une validation peut être surutilisée.
- L’estimation historique est sensible à la fenêtre, au régime, à la qualité des prix et aux observations extrêmes.
- Une mesure agrégée ne décrit pas à elle seule liquidité, causalité, adéquation personnelle ou prochain cours.
Erreurs fréquentes
- Ajouter une règle après chaque échec historique.
- Optimiser paramètres, échantillon ou benchmark après avoir vu le résultat sans correction hors échantillon.
- Transformer la valeur en seuil magique, conseil, score de confiance ou diagnostic comportemental individuel.
Questions fréquentes
Que signifie « Surapprentissage » ?
Le surapprentissage adapte un modèle au bruit de l’échantillon au détriment de nouvelles données. La période, la fréquence, l’échantillon, les coûts et la convention doivent être publiés pour rendre la mesure reproductible.
Comment utiliser Surapprentissage dans une analyse ?
Limiter paramètres et mesurer performance réellement hors échantillon. Recalculer « Écart généralisation=performance entraînement−hors échantillon » avec le même échantillon, les mêmes flux et la même convention.
Quelle est la principale prudence à garder ?
Même une validation peut être surutilisée. L’estimation historique est sensible à la fenêtre, au régime, à la qualité des prix et aux observations extrêmes.
Vérification rapide
Quelle lecture de surapprentissage est correcte?
- ALimiter paramètres et mesurer performance réellement hors échantillon.
- BLe chiffre garantit la performance future et peut être appliqué sans hypothèses.
- CUne observation manquante vaut zéro et tout seuil standard déclenche une transaction.
Voir la réponse
Limiter paramètres et mesurer performance réellement hors échantillon.. Limiter paramètres et mesurer performance réellement hors échantillon. Même une validation peut être surutilisée. L’interprétation reste conditionnelle aux données, aux coûts, à la fenêtre et au contexte.
Sources et références
- NIST/SEMATECH Engineering Statistics Handbook
National Institute of Standards and Technology (NIST) — Référence officielle sur distributions, estimation, régression, tests, intervalles, bootstrap et analyse exploratoire.
Consulté le 30 août 2026
- Technical Analysis: Modern Perspectives
CFA Institute Research and Policy Center — Revue méthodologique des outils techniques, tests empiriques, biais de sélection et limites prédictives.
Consulté le 30 août 2026